目标检测-YOLO基于PyTorch从零复现（与行人车辆检测实战）资源介绍:
该课程带你从零使用PyTorch构建YOLOV4完整的训练代码，并完成车辆行人检测实战,很难得能够把原理从头到尾进行细致的解剖用手工图再现，并且自己手敲代码进行复现。
资源目录:
1-1课程介绍 1-2代码与项目介绍 2-1图像卷积 2-2卷积和步长的巧妙配合 2-3人工卷积核产生的效果 2-4Yolov4里的卷积例子 2-5最大池化操作 2-6全连接层讲解 2-7卷积神经网络VGG16_01 2-8卷积神经网络VGG16_02 2-13YOLOV4里的one-hot编码 2-14softmax原理和计算 2-15sigmod和代替softmax 2-16BN操作01 2-17BN操作02 2-18激活函数原理和作用 2-91X1卷积核的用处01 2-101X1卷积核的用处02 2-111X1卷积核的用处03 2-121X1卷积核的用处04（yolo中的1X1预测思想） 3-1YOLOV3网络结构回顾01 3-2YOLOV3网络结构回顾02 3-3YOLOV3网络结构回顾03 3-4强大的模型可视化工具netron 3-5YOLOV4网络结构backbone 3-6YOLOV4网络结构Neck 3-7YOLO网格思想 3-8先验框anchors原理 3-9头部DECODE 3-10YOLO头部总结 3-11从零写代码backbone构建01 3-12从零写代码backbone构建02 3-13从零写代码Neck构建01 3-14从零写代码Neck构建02 3-15从零写代码头部Decode01 3-16从零写代码头部Decode02 3-17代码解读模型推断部分 3-18代码解读使用yolo.cfg解析方式构造网络01 3-19代码解读使用yolo.cfg解析方式构造网络02 4-1模型训练超参部分讲解 4-2训练整体流程 4-3模型训练build_target原理解析01 4-4模型训练build_target原理解析02 4-5模型训练build_target原理解析03 4-6损失函数原理解析01 4-7损失函数原理解析02 4-8从零写代码build_target训练核心函数01 4-9从零写代码build_target训练核心函数02 4-10从零写代码build_target训练核心函数03 4-11从零写代码训练部分基础函数 4-12从零写代码CIOU计算 4-13从零写代码损失函数计算 4-14代码解读基于PyTorch的模型训练01 4-15代码解读基于PyTorch的模型训练02 4-16代码解读基于PyTorch的模型训练03 5-1项目实战总体介绍 5-2权重裁剪技巧（模型训练必备知识） 5-3代码实战pytorch权重裁剪01 5-4代码实战pytorch权重裁剪02 5-5代码实战训练数据集制作 5-6tensorboardX训练可视化工具使用 5-7map和准确召回率计算工具使用 5-8项目效果展示 5-9YOLOV4调参总结
